Racconta Nature che James Zou, Professore d Biomedical Data Science di Stanford ha speso centomila dollari in un solo anno per accedere a modelli di intelligenza artificiale nel suo laboratorio. Una cifra che, come lui stesso sottolinea, è paragonabile al costo annuo di una borsa di studio per un ricercatore post-dottorato. Eppure Zou non ha dubbi: ne vale la pena. “Stiamo entrando in una nuova età dell’oro della scienza”, dice, convinto che l’IA stia abilitando scoperte fondamentali che prima sarebbero state impensabili.
I provider di IA aumentano i prezzi e stringono i limiti d’uso. I ricercatori si trovano stretti tra la dipendenza da questi strumenti e la difficoltà di sostenerli economicamente. E il rischio di una nuova, profonda disuguaglianza si fa sempre più concreto.
Ma non tutti i ricercatori hanno a disposizione lo stesso budget. E mentre i grandi laboratori universitari americani possono permettersi di tratttare la spesa per l’IA come una voce ordinaria di bilancio, per molti altri — studenti, ricercatori indipendenti, scienziati nei paesi in via di sviluppo — la situazione si sta facendo sempre più difficile. I provider di intelligenza artificiale, che per anni hanno corso per acquisire utenti con abbonamenti convenienti, stanno ora facendo i conti con la realtà economica. E i conti non tornano.
insane thing: we are currently losing money on openai pro subscriptions!
people use it much more than we expected.
— Sam Altman (@sama) January 6, 2025
La bolla degli abbonamenti
Per capire come si è arrivati a questo punto, bisogna tornare indietro di qualche anno, quando le grandi aziende tech hanno lanciato i loro modelli di linguaggio al grande pubblico con prezzi aggressivi. L’obiettivo era chiaro: acquisire quante più persone possibile, creare dipendenza dallo strumento, e poi — eventualmente — trovare un modo per rendere il business sostenibile.
Il problema è che l’equazione non ha mai funzionato bene. A gennaio 2025, Sam Altman, amministratore delegato di OpenAI, ha ammesso pubblicamente su X che la sua azienda stava perdendo soldi sui piani ChatGPT Pro da 200 dollari al mese. Il motivo? Gli utenti usavano il chatbot molto più del previsto, generando costi enormi in termini di potenza di calcolo ed elettricità. Una confessione rara nel mondo delle startup tecnologiche, abituate a mostrare ottimismo a ogni costo, ma che ha segnalato chiaramente la direzione che il settore avrebbe preso: i prezzi sarebbero saliti.
Anche GitHub alza i prezzi
E così è stato. Nelle settimane e nei mesi successivi, diversi provider hanno cominciato ad aumentare i costi, ridurre i token inclusi negli abbonamenti base, o passare a modelli di fatturazione a consumo. L’ultimo, in ordine di tempo, è GitHub. Il 27 aprile 2025, la piattaforma — di proprietà di Microsoft — ha annunciato che dal 1° giugno il suo strumento di assistenza alla programmazione, GitHub Copilot, non sarebbe stato più disponibile a prezzo fisso mensile, ma con addebito variabile in base all’utilizzo effettivo. La motivazione ufficiale è l’aumento della domanda legato all’IA “agentica”, quella cioè capace di eseguire compiti autonomamente, che consuma risorse computazionali molto più elevate rispetto ai semplici chatbot.
I progetti scientifici seri richiedono sessioni multiple, con l’analisi che dura per ore, giorni, settimane, con il rischio che anche l’abbonamento premium non basti. Quando il sistema lo blocca, gli scienziati devono ritornare a lavorare a mano, perdendo tempo e rinunciando alle possibilità offerte dall’analisi dei big data.
Il costo nascosto: il lavoro di controllo
C’è però un altro tipo di costo che non compare nelle fatture mensili, e che spesso viene sottovalutato nel dibattito sull’IA nella ricerca: il costo cognitivo della verifica.
I modelli di linguaggio commettono errori. Non raramente, non casualmente, ma in modo sistematico e a volte sottile. Possono “allucinare” — inventare fatti, citazioni, risultati — o perdere il filo del ragionamento quando il contesto della conversazione diventa troppo lungo.
Questa responsabilità ricade interamente sull’utente. E per un ricercatore, significa che l’IA non è necessariamente un risparmio netto di lavoro: è un cambiamento del tipo di lavoro, che sposta l’attenzione dall’esecuzione alla supervisione. Utile, certo. Ma non sempre il liberatore di tempo che promette di essere.
La nuova disuguaglianza fra centri di ricerca (e fra paesi)
La preoccupazione più profonda, però, non riguarda i singoli ricercatori delle università occidentali, che possono — con più o meno difficoltà — trovare il modo di pagare. Riguarda tutti gli altri.
Il passaggio di GitHub a un sistema di fatturazione a consumo significa che chi ha meno soldi sarà spinto verso modelli più economici ma meno capaci. E un recente preprint suggerisce che questa non è nemmeno una scelta economicamente razionale: i modelli inferiori, per produrre risultati paragonabili, richiedono più token, il che può far lievitare la spesa totale anche se il costo unitario è più basso. Il risultato è che “il divario tra istituzioni, gruppi e individui che possono permettersi abbonamenti premium e quelli che non possono si allargherà”.
Per molti studenti in parti del mondo dove il reddito disponibile è basso, i modelli di IA hanno rappresentato una vera rivoluzione: per la prima volta, la sensazione di avere accesso allo stesso tipo di intelligenza a cui accedono le persone ricche. Un grande livellatore, almeno in potenza. L’aumento dei prezzi rischia di spegnere questa promessa sul nascere.
Un’età dell’oro, ma per chi?
L’entusiasmo di Zou per la “nuova età dell’oro della scienza” non è infondato. Le capacità degli agenti IA stanno crescendo rapidamente, e ci sono ambiti — dalla genomica alla fisica dei materiali, dalla climatologia alla bioinformatica — dove questi strumenti stanno accelerando la ricerca in modo che sarebbe stato impossibile anche solo cinque anni fa. La domanda non è se l’IA cambierà la scienza. La domanda è chi avrà accesso a questa trasformazione.
Se i costi continueranno a crescere e i modelli migliori rimarranno accessibili solo alle istituzioni con grandi budget, il rischio è che l’IA riproduca e amplifichi le disuguaglianze già esistenti nel mondo della ricerca. Le università ricche dei paesi ricchi consolideranno il loro vantaggio competitivo. I ricercatori indipendenti, le università dei paesi emergenti, gli studenti senza borse di studio si troveranno tagliati fuori dagli strumenti che stanno diventando sempre più centrali per la produzione scientifica.
La “nuova età dell’oro” potrebbe diventare, per molti, semplicemente irraggiungibile.
Per approfondire.
A Roma 12 bambini su 100 non vanno alla scuola materna, a Milano 8 su 100. Perché?
